Utmn
Electronic Library

     

Details

Широкова, Любовь Михайловна. Прогноз будущей пригодности сельскохозяйственных земель с помощью машинного обучения на примере Самарской области = Forecasting the Future Suitability of Agricultural Land Using Machine Learning: A Case Study of the Samara Region: выпускная квалификационная работа бакалавра: направление 05.03.03 «Картография и геоинформатика: картография» / Л. М. Широкова; научный руководитель В. А. Добрякова; Тюменский государственный университет, Школа естественных наук. — Тюмень, 2024. — 1 файл (2,8 Мб). — Загл. с титул. экрана. — Доступ по паролю из сети Интернет (чтение). — Adobe Acrobat Reader 7.0. — <URL:https://library.utmn.ru/dl/Module_VKR_Tyumen/ShEsN/2024/vr24-2189.pdf>. — <URL:https://library.utmn.ru/dl/Module_VKR_Tyumen/ShEsN/2024/rev/vr24-2189-z.zip>. — Текст: электронный

Record create date: 8/26/2024

Subject: сельскохозяйственные земли; модель присутствия; метод максимальной энтропии; MaxEnt; климатический сценарий; переменные биоклимата; agricultural land; presence model; maximum entropy method; climate scenario; bioclimate variables

Collections: Выпускные квалификационные работы

Links: Приложение

Allowed Actions:

Action 'Read' will be available if you login or access site from another network

Group: Anonymous

Network: Internet

Annotation

В работе выполнено прогнозирование текущей и будущей пригодности земель для выращивания основных сельскохозяйственных культур в Самарской области. Прогноз выполнялся в программном обеспечении ArcGIS Pro при помощи инструмента «Прогнозирование только присутствия (MaxEnt)», который применяет модель коррелятивного машинного обучения – метод максимальной энтропии. Для модели в качестве входных данных использовались 19 биоклиматических переменных. Прогнозные значения переменных рассчитаны в соответствии с климатическим сценарием SSP3 7.0.

The work forecasts the current and future suitability of land for growing major crops in the Samara region. The forecast was performed in ArcGIS Pro software using the Presence Only Forecast (MaxEnt) tool, which uses a correlative machine learning model - the maximum entropy method. The model used 19 bioclimatic variables as input data. Forecast values ​​of variables were calculated in accordance with the climate scenario SSP3 7.0.

Document access rights

Network User group Action
TumSU All Read
Internet Readers Read
-> Internet Anonymous

Usage statistics

stat Access count: 1
Last 30 days: 1
Detailed usage statistics